वॉइस क्लोनिंग (रिकॉर्डिंग गाइड)
बेहतरीन ट्रेनिंग डेटा का इस्तेमाल करके हाई-क्वालिटी कस्टम आवाज़ें बनाएँ।
बेहतरीन क्वालिटी वाली कस्टम आवाज़ बनाने के लिए, इनपुट ऑडियो (ट्रेनिंग डेटा) एकदम साफ़-सुथरा होना चाहिए। AI जो कुछ भी सुनता है, उसे हूबहू दोहराता है—इसमें कमियां भी शामिल हैं।
1. रिकॉर्डिंग की जगह
कमरे में गूँज और प्रतिध्वनि (reverb) को कम करें। इनमें से किसी एक तरीके का इस्तेमाल करके कमरे की गूँज को कम करें:
- वोकल बूथ: प्रोफ़ेशनल आइसोलेशन बूथ (सबसे अच्छा विकल्प)
- अलमारी: कपड़ों से भरी अलमारी स्वाभाविक रूप से आवाज़ को सोख लेती है।
- कंबल का किला: आवाज़ के रिफ्लेक्शन को कम करने के लिए अपने आस-पास भारी कंबल रखें।
कमरे में ताली बजाएँ। अगर आपको साफ़ तौर पर गूँज या रिंगिंग सुनाई दे, तो कमरे में और एकॉस्टिक ट्रीटमेंट की ज़रूरत है।
2. उपकरण
| उपकरण | सिफ़ारिश | नोट्स |
|---|---|---|
| माइक्रोफ़ोन | प्रोफ़ेशनल XLR माइक ($150-$300) | Audio-Technica AT2020 या Rode NT1 इस्तेमाल करने की सलाह दी जाती है। |
| इंटरफ़ेस | USB ऑडियो इंटरफ़ेस | Focusrite Scarlett सीरीज़ की सलाह दी जाती है। |
| पॉप फ़िल्टर | ज़रूरी | प्लॉसिव्स (P, B, T आवाज़ों के समय हवा का माइक से टकराना) को रोकता है। |
3. सॉफ़्टवेयर (DAW)
REAPER या Audacity जैसे प्रोफेशनल रिकॉर्डिंग सॉफ़्टवेयर का इस्तेमाल करें।
सुझाई गई सेटिंग्स
| सेटिंग | मूल्य |
|---|---|
| फ़ाइल फ़ॉर्मैट | WAV (अनकम्प्रेस्ड) |
| सैंपल रेट | 44.1 kHz या 48 kHz |
| बिट डेप्थ | 24-बिट |
| उच्चतम स्तर | -6 dB से -3 dB |
| औसत तेज़ आवाज़ | -18 dB |
अपने ऑडियो लेवल को कभी भी 0 dB तक न पहुँचने दें। क्लिप हुए ऑडियो को ठीक नहीं किया जा सकता और इससे आपका वॉइस क्लोन खराब हो जाएगा।
4. पोजिशनिंग
- दूरी: माइक्रोफ़ोन से लगभग 20cm (लगभग दो मुट्ठी) की दूरी बनाए रखें।
- कोण: माइक्रोफ़ोन पर सीधे साँस लेने से बचने के लिए, थोड़ा तिरछा (किसी कोण पर) होकर बोलें।
- निरंतरता: पूरे रिकॉर्डिंग सेशन के दौरान एक ही स्थिति में रहें।
5. परफॉर्मेंस
निरंतरता ही सफलता की कुंजी है।
अपनी पूरी रिकॉर्डिंग के दौरान एक जैसी एनर्जी और टोन बनाए रखें। ट्रेनिंग फ़ाइल में अलग-अलग स्टाइल को न मिलाएं:
| ✅ करें | ❌ मत करो |
|---|---|
| वॉल्यूम एक जैसा बनाए रखें | फुसफुसाने और चिल्लाने का मिश्रण |
| एनर्जी का लेवल वैसा ही बनाए रखें। | कभी जोश के साथ तो कभी थके हुए अंदाज़ में बोलें। |
| स्वाभाविक गति का इस्तेमाल करें | कुछ हिस्सों को जल्दी-जल्दी निपटाना |
| साफ़-साफ़ और स्पष्ट बोलें। | ’अहं’, हकलाने या गलतियों को शामिल करें |
AI हर चीज़ की हूबहू नकल करता है, जिसमें सांस लेना, हकलाना, होंठों की आवाज़ और ’अम’ (uhms) जैसी चीज़ें शामिल हैं। पक्का करें कि परफ़ॉर्मेंस ठीक वैसी ही हो जैसी आप क्लोन करना चाहते हैं। आपके ट्रेनिंग डेटा में कोई भी कमी जनरेट की गई आवाज़ में भी दिखेगी।
सारांश चेकलिस्ट
- कमरे में साउंड-प्रूफिंग की गई है (गूंज नहीं होती)।
- पॉप फ़िल्टर के साथ अच्छी क्वालिटी वाले XLR माइक्रोफ़ोन का इस्तेमाल करना
- WAV फ़ॉर्मैट में 44.1/48 kHz, 24-बिट पर रिकॉर्डिंग
- लेवल -6 से -3 dB तक पहुँच रहे हैं
- माइक्रोफ़ोन से 20cm की दूरी पर, थोड़े कोण पर रखा गया
- शुरू से आखिर तक एक जैसा लहज़ा और जोश
- कोई हकलाहट, ’अम’ या फालतू आवाज़ें नहीं